本发明专利技术涉及一种基于PPG波形信号的快速经皮氧分压测量方法，包括：获取PPG波形信号以及人体生理参数；对获取的PPG波形信号进行预处理；对预处理后的PPG波形信号进行特征点检测，并进行多域PPG波形特征提取，融合构成综合特征集，将综合特征集进行特征映射和特征降维；对综合特征集进行特征选择，筛选出PPG敏感特征；将PPG敏感特征和对应的人体生理参数输入到机器学习模型，建立经皮氧分压预测模型，进行目标对象经皮氧分压的预测和评估。本发明专利技术还公开了一种基于PPG波形信号的快速经皮氧分压测量装置。本发明专利技术在保证高准确率的同时，大大缩短了检测时间，有利于数据降维和模型简化，同时提高了经皮氧分压预测的准确率，取得了很好的预测效果。好的预测效果。好的预测效果。
【技术实现步骤摘要】
一种基于PPG波形信号的快速经皮氧分压测量方法及装置
[0001]本专利技术涉及皮肤微循环功能检测
，尤其是一种基于PPG波形信号的快速经皮氧分压测量方法及装置。
技术介绍
[0002]微循环功能障碍是糖尿病的一种严重并发症，是高血糖和胰岛素抵抗导致的代谢紊乱协同作用的结果。皮肤微循环功能的改变是与慢性糖尿病足溃疡相关的伤口愈合不良的重要原因之一，因此，微循环功能的检测对于预防糖尿病导致的不良事件至关重要。TcPO2是临床最常用的无创微循环功能测量，能够直接反应局部组织微循环及氧供，同时能间接反映全身的微循环及大血管情况，是一种无创的血管病变评估手段。《中国糖尿病足诊治指南(2017年)》推荐TcPO2作为血管病变检查之一。
[0003]电极法是测量皮肤氧分压的一种无创方法，通过加热电极使皮肤毛细血管动脉化，测定铂金阴电极和氯化银参比电极之间的电流，测得的电流与氧分压成正比，也就是TcPO2，该方法具有准确可靠，重复性好的优点，但是测试过程耗时长，每次测试前都需要重复校准，而且耗材较贵，需要专业医师进行操作。在此背景下，快速准确的TcPO2测量能够应用于大规模人群微循环功能的检测，具有重要的医学筛查价值和经济价值，成为微循环测量的热点研究问题。
技术实现思路
[0004]本专利技术的首要目的在于提供一种在保证高精度的同时，降低了TcPO2的检测费用，并大大缩短了检测时间的基于PPG波形信号的快速经皮氧分压测量方法。
[0005]为实现上述目的，本专利技术采用了以下技术方案：一种基于PPG波形信号的快速经皮氧分压测量方法，该方法包括下列顺序的步骤：
[0006](1)获取PPG波形信号，以及与经皮氧分压相关的人体生理参数；
[0007](2)对获取的PPG波形信号进行预处理，所述预处理包括PPG波形信号质量评价、信号去噪和归一化处理；
[0008](3)对预处理后的PPG波形信号进行特征点检测，并进行多域PPG波形特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集，将综合特征集进行特征映射和特征降维；
[0009](4)对综合特征集进行特征选择，筛选出与经皮氧分压相关的PPG敏感特征；
[0010](5)将PPG敏感特征和对应的人体生理参数输入到机器学习模型，建立经皮氧分压预测模型，根据经皮氧分压预测模型进行目标对象经皮氧分压的预测和评估。
[0011]所述步骤(1)具体是指：通过光电传感器采集红外光透射过肢端的PPG波形信号和绿光反射过肢端的PPG波形信号，即采用光电传感器产生入射光，并接收透射光或反射光，采用PPG信号处理电路从透射光或反射光中提取PPG波形信号。
[0012]在步骤(1)中，所述与经皮氧分压相关的人体生理学参数包括年龄、性别、身体质
量指数BMI、高血压、糖尿病和甲癣。
[0013]在步骤(2)中，所述PPG波形信号质量评价采用峰度、偏度、信噪比、熵的参数进行评价；所述信号去噪采用经验模态分析方法滤除PPG波形信号中的高频噪声，使用小波变换法滤除PPG波形信号中的基线漂移噪声，所述小波变换法具体为：
[0014]先利用Mallat快速分解法对PPG波形信号进行9层分解，小波基采用sym8，分解系数为CA9，CD9，CD8，CD7，CD6，CD5，CD4，CD3，CD2，CD1；低频系数CA9置零，高频系数CDi，i＝8,7,6,
……
,1按照软阈值去噪法进行阈值量化，最后根据逆小波变换对低频系数和高频系数进行重构，得到滤波后信号；
[0015]软阈值函数的公式如下：
[0016][0017][0018]式中，f(x)为经过阈值处理后的高频系数，x为小波系数，sgn(x)为符号函数，λ为阈值；N为每层小波系数的长度,log(N)为以e为底数的N的对数；δ为估计出来的噪声标准偏差，median|coeff|为对应层小波系数绝对值按照从小到大顺序排列后的中值，0.6745是高斯白噪声标准偏差的调整系数；
[0019]所述归一化处理是指采用最大
‑
最小归一化方法对PPG波形信号进行归一化处理。
[0020]在步骤(3)中，所述多域PPG波形特征提取包括传统特征提取、时频图像特征提取和时间序列特征提取：
[0021]传统特征提取：所述传统特征包括时域特征和频域特征，将PPG波形信号进行求导处理生成一阶导数信号，将一阶导数信号进行求导生成二阶导数信号，获取PPG波形信号、一阶导数信号和二阶导数信号中的峰值点及极值点作为特征点信息，并转变为相应的时域特征；根据离散小波变换获得PPG波形信号的频域特征，包括频谱图和功率谱；
[0022]时频图像特征提取：通过连续小波变换得到PPG波形信号的时频图像，将时频图像输入至卷积神经网络，运用卷积神经网络图像特征提取能力，获取小波时频图像在不同方向和尺度上的纹理特征；
[0023]时间序列特征提取：通过小波散射提取PPG波形信号的散射系数，将散射系数输入到长短期记忆网络，提取PPG波形信号中低方差、紧凑的时间序列特征。
[0024]在步骤(3)中，所述将提取到的多域PPG波形特征进行特征融合构成综合特征集具体包括以下步骤：
[0025](1)使用核方法将PPG波形特征中的紧密模式映射到高维可分空间；
[0026](2)使用主成分分析法提取PPG波形特征主成分，将高维特征压缩成低维特征。
[0027]所述步骤(4)具体是指：使用相关分析、卡方检验、信息增益的方法，筛选出与经皮氧分压相关的PPG敏感特征。
[0028]所述步骤(5)具体是指：将PPG敏感特征结合目标对象的人体生理参数作为监督机器学习算法的输入，构建经皮氧分压预测模型实现经皮氧分压的预测，所述经皮氧分压预测模型的构建方法包括：XGBoost、随机森林算法、支持向量机和多元线性回归模型。
[0029]所述红外光采用910nm的红外光，所述绿光采用510nm的绿光。
[0030]本专利技术的另一目的在于提供一种基于PPG波形信号的快速经皮氧分压测量方法的装置，包括：
[0031]PPG检测装置，包括光电传感器和PPG信号处理电路，所述光电传感器包括用于产生入射光的发光二极管，以及用于接收透射或反射光的光电探测器；所述PPG信号处理电路用于从透射或反射光信号中提取PPG波形信号，并处理信号大小，获取PPG波形信号；
[0032]存储器，用于存储供处理器调用的指令；
[0033]处理器，获取目标部位的PPG波形信号、经皮氧分压值和经皮氧分压相关的人体生理参数；对PPG波形信号进行预处理；对预处理后的PPG波形信号进行多域PPG波形特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集；对综合特征集进行特征选择；将筛选后PPG敏感特征和人体生理参数输入到机器学习模型进行训练，建立经皮氧分压预测模型；通过训练好的模型进行经皮氧分压的预测和准确性评估。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于PPG波形信号的快速经皮氧分压测量方法，其特征在于：该方法包括下列顺序的步骤：(1)获取PPG波形信号，以及与经皮氧分压相关的人体生理参数；(2)对获取的PPG波形信号进行预处理，所述预处理包括PPG波形信号质量评价、信号去噪和归一化处理；(3)对预处理后的PPG波形信号进行特征点检测，并进行多域PPG波形特征提取，将提取到的多域PPG波形特征进行特征融合构成综合特征集，将综合特征集进行特征映射和特征降维；(4)对综合特征集进行特征选择，筛选出与经皮氧分压相关的PPG敏感特征；(5)将PPG敏感特征和对应的人体生理参数输入到机器学习模型，建立经皮氧分压预测模型，根据经皮氧分压预测模型进行目标对象经皮氧分压的预测和评估。2.根据权利要求1所述的基于PPG波形信号的快速经皮氧分压测量方法，其特征在于：所述步骤(1)具体是指：通过光电传感器采集红外光透射过肢端的PPG波形信号和绿光反射过肢端的PPG波形信号，即采用光电传感器产生入射光，并接收透射光或反射光，采用PPG信号处理电路从透射光或反射光中提取PPG波形信号。3.根据权利要求1所述的基于PPG波形信号的快速经皮氧分压测量方法，其特征在于：在步骤(1)中，所述与经皮氧分压相关的人体生理学参数包括年龄、性别、身体质量指数BMI、高血压、糖尿病和甲癣。4.根据权利要求1所述的基于PPG波形信号的快速经皮氧分压测量方法，其特征在于：在步骤(2)中，所述PPG波形信号质量评价采用峰度、偏度、信噪比、熵的参数进行评价；所述信号去噪采用经验模态分析方法滤除PPG波形信号中的高频噪声，使用小波变换法滤除PPG波形信号中的基线漂移噪声，所述小波变换法具体为：先利用Mallat快速分解法对PPG波形信号进行9层分解，小波基采用sym8，分解系数为CA9，CD9，CD8，CD7，CD6，CD5，CD4，CD3，CD2，CD1；低频系数CA9置零，高频系数CDi，i＝8,7,6,
……
,1按照软阈值去噪法进行阈值量化，最后根据逆小波变换对低频系数和高频系数进行重构，得到滤波后信号；软阈值函数的公式如下：软阈值函数的公式如下：式中，f(x)为经过阈值处理后的高频系数，x为小波系数，sgn(x)为符号函数，λ为阈值；N为每层小波系数的长度,log(N)为以e为底数的N的对数；δ为估计出来的噪声标准偏差，median|coeff|为对应层小波系数绝对值按照从小到大顺序排列后的中值，0.6745是高斯白噪声标准偏差的调整系数；所述归一化处理是指采用最大
‑
最小归一化方法对PPG波形信号进行归一化处理。5.根据权利要求1所述的基于PPG波形信号的快速经皮氧分压测量方法，其特征在于：在步骤(3)中，所述多域PPG波形特征提取包括传统特征提取、时频图像特征提取和时...
【专利技术属性】
技术研发人员：张小玉，马祖长，孙怡宁，
申请(专利权)人：安徽脉旺智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。